求助：获取各年龄段薪资最高的NBA球员数据（代码异常）

问题根源 #

你将Player设为DataFrame的索引后，groupby(['Age']).idxmax()返回的是每个年龄组中薪资最高的行的索引值（即球员姓名）。而你只选取了Age和salary两列进行操作，导致结果里的salary列显示的是索引（球员名），而非实际薪资。同时因为Player是索引而非普通列，直接调用会触发“列不明确”的错误。

解决方案 #

以下是三种实用的解决方法：

方法一：重置索引后提取目标行

先把Player从索引恢复为普通列，再通过idxmax定位每组薪资最高的行：

# 将Player索引转为普通列
sa.df = sa.df.reset_index()

# 定位每个Age组薪资最高的行，提取所需列
result = sa.df.loc[sa.df.groupby('Age')['salary'].idxmax(), ['Age', 'Player', 'salary']]

方法二：直接利用索引匹配（不改动原索引）

如果不想调整原DataFrame的索引结构，可以先获取目标行的索引，再提取对应数据并转换索引为列：

# 获取每个Age组薪资最高的球员索引
top_player_indices = sa.df.groupby('Age')['salary'].idxmax()

# 提取目标行，将索引（Player）转为列
result = sa.df.loc[top_player_indices, ['Age', 'salary']].reset_index()

方法三：用nlargest直观提取

通过分组后调用nlargest直接取每组薪资最高的1行：

# 重置索引后分组取顶薪记录，清理层级索引
result = sa.df.reset_index().groupby('Age').apply(lambda x: x.nlargest(1, 'salary')).reset_index(drop=True)
# 筛选所需列
result = result[['Age', 'Player', 'salary']]

结果说明 #

以上方法都会返回一个DataFrame，每个年龄段仅保留一行数据，包含Age、Player和对应最高salary。

内容的提问来源于stack exchange，提问作者R.Harg